Penerapan Algoritma K-Means Clustering untuk Segmentasi Pelanggan Berdasarkan Model RFM Pada Resik Aquatics
Kata Kunci:
Ikan Hias, Segmentasi Pelanggan, K-Means, Root Cause AnalysisAbstrak
Perkembangan teknologi telah berdampak pada pertumbuhan perekonomian Indonesia pada sektor ikan hias. Hal tersebut menyebabkan persaingan bisnis ikan hias terus meningkat. Persaingan tersebut berdampak juga kepada Resik Aquatics yang merupakan salah satu pembudidaya ikan hias. Saat ini, Resik Aquatics belum pernah menerapkan strategi Customer Relationship Management (CRM) untuk meningkatkan minat beli pelanggan dan loyalitas pelanggan. Penelitian ini menggunakan data transaksi
pelanggan Resik Aquatics dari Juli 2023 hingga Maret 2024 atau sebanyak 8 bulan, yang terdiri dari 178 transaksi dan 239 baris data pada berkas excel. Data ini diolah menggunakan model RFM (Recency, Frequency, Monetary) untuk mengidentifikasi karakteristik pelanggan. Setelah karakteristik pelanggan terbentuk akan dilakukan proses segmentasi dengan menggunakan metode K-Means. Proses segmentasi dilakukan dengan mencari nilai k yang optimal dengan elbow method dan silhoutte socre. Hasil dari kedua metode tersebut menujukkan bahwa k optimal sebesar 2. Hasil pengujian evaluasi clustering dengan menggunakan Davies-Bloudin Index mendapatkan nilai sebesar 0.92, nilai tersebut termasuk nilai yang baik karena nilainya kecil dan mendekati 0 atau kurang dari 1. Hasil segmentasi akan digunakan untuk mencari akar permsalahan dengan menggunakan metode root cause analysis (RCA).
Proses identifikasi permasalahan dilakukan dengan cara mengambil sampel klaster pelanggan dari setiap klaster dan diteliti berdasarkan profil RFM-nya. Akar permasalaan yang telah didentifikasi akan dikelompokkan berdasarkan kategori produk, pelanggan, dan fasilitas. Kategori tersebut mencerminkan permsalahan yang menyebabkan tingginya nilai recency, rendahnya nilai frequency, dan rendahnya nilai monetary. Permasalahan yang teridentifikasi berasal dari dua faktor utama yaitu internal seperti promosi yang kurang diminati dan eksternal seperti munculnya pembudidaya lain sebagai pesaing bisnis. Hasil pengelompokkan permasalahan dari proses RCA akan divalidasi oleh stakeholder.
Referensi
Adiana, Beta Estri, Indah Soesanti, dan Adhistya
Erna Permanasari. 2018. “Analisis
Segmentasi Pelanggan Menggunakan
Kombinasi RFM Model dan Teknik
Clustering.” JUTEI 2 (1): 23–32.
https://doi.org/10.21460/jutei.2017.21.76.
Ariati, Ira, Reza Nugraha Norsa, Lurinjani
Akhsan, dan Jerry Heikal. 2023.
“SEGMENTASI PELANGGAN
MENGGUNAKAN K-MEANS
CLUSTERING STUDI KASUS
PELANGGAN UHT MILK
GREENFIELD.” Jurnal Ilmiah Indonesia
(7): 629–43.
https://doi.org/10.36418/cerdika.xxx.
Bholowalia, Purnima, dan Arvind Kumar. 2014.
“EBK-Means: A Clustering Technique
based on Elbow Method and K-Means in
WSN.” International Journal of Computer
Applications 105 (9): 975–8887.
Febrina Wulandari, Gita. 2014. “SEGMENTASI
PELANGGAN MENGGUNAKAN
ALGORITMA K-MEANS UNTUK
CUSTOMER RELATIONSHIP
MANAGEMENT (CRM) PADA HIJAB
MIULAN.”
Juni Arta, I Kadek, Gede Indrawan, dan Gede
Rasben Dantes. 2017. “Data Mining
Rekomendasi Calon Mahasiswa
Berprestasi Di Stmik Denpasar
Menggunakan Metode Technique for
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Fakultas Ilmu Komputer, Universitas Brawijaya
Others Reference By Similarity To Ideal
Solution.” JST (Jurnal Sains dan
Teknologi) 5 (2): 746
–60.
-
undiksha.v5i2.8549.
Khoirunnisa, Azka, dan Nur Ghaniaviyanto
Ramadhan. 2023. “Improving malaria
prediction with ensemble learning and
robust scaler: An integrated approach for
enhanced accuracy.” Jurnal Infotel 15 (4):
–34.
https://doi.org/10.20895/infotel.v15i4.105
KKP WEB DJPB. 2021. “KKP : BUDIDAYA
IKAN HIAS TINGKATKAN
PENDAPATAN MASYARAKAT DI
TENGAH PANDEMI.” Kementrian
Kelautan dan Perikanan Republik
Indonesia. 2021.
-detail/kkp
-
budidaya
-ikan
-hias
-tingkatkan
-
pendapatan
-masyarakat
-di
-tengah
-
pandemi65c300b322d1c.html.
Lee, Yong Jick. 2014. “Privacy
-preserving Data
Mining for Personalized Marketing” 4 (1): 1–9.
Muhammad Fajar, Alith. 2015. “Klasterisasi
Proses Seleksi Pemain Menggunakan
Algoritma
K-Means (Study Kasus : Tim
Hockey Kabupaten Kendal).” Jurusan
Teknik Informatika FIK UDINUS 1 (1): 1
–
http://eprints.dinus.ac.id/id/eprint/16498.
Rahmawati, Dian, Rimadewi Suprihardjo, Eko
Budi Santoso, Rulli P Setiawan, Karina
Pradinie, dan Mochamad Yusuf. 2016.
“Penerapan Metode Rootcause Analysis
(RCA) dalam Penerapan Metode
Rootcause Analysis (RCA) dalam
Pengembangan Kawasan Wisata Cagar
Budaya Kampung Kemasan, Gresik.”
Jurnal Penataan Ruang 11 (1): 1
–9.
Rousseeuw, Peter J. 1987. “Silhouettes: A
graphical aid to the interpretation and
validation of cluster analysis.” Journal of
Computational and Applied Mathematics
: 53
–65.
https://doi.org/https://doi.org/10.1016/037 7-0427(87)90125-7.
Adiana, Beta Estri, Indah Soesanti, dan Adhistya
Erna Permanasari. 2018. “Analisis
Segmentasi Pelanggan Menggunakan
Kombinasi RFM Model dan Teknik
Clustering.” JUTEI 2 (1): 23–32.
https://doi.org/10.21460/jutei.2017.21.76.
Ariati, Ira, Reza Nugraha Norsa, Lurinjani
Akhsan, dan Jerry Heikal. 2023.
“SEGMENTASI PELANGGAN
MENGGUNAKAN K-MEANS
CLUSTERING STUDI KASUS
PELANGGAN UHT MILK
GREENFIELD.” Jurnal Ilmiah Indonesia
(7): 629–43.
https://doi.org/10.36418/cerdika.xxx.
Bholowalia, Purnima, dan Arvind Kumar. 2014.
“EBK-Means: A Clustering Technique
based on Elbow Method and K-Means in
WSN.” International Journal of Computer
Applications 105 (9): 975–8887.
Febrina Wulandari, Gita. 2014. “SEGMENTASI
PELANGGAN MENGGUNAKAN
ALGORITMA K-MEANS UNTUK
CUSTOMER RELATIONSHIP
MANAGEMENT (CRM) PADA HIJAB
MIULAN.”
Juni Arta, I Kadek, Gede Indrawan, dan Gede
Rasben Dantes. 2017. “Data Mining
Rekomendasi Calon Mahasiswa
Berprestasi Di Stmik Denpasar
Menggunakan Metode Technique for
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Fakultas Ilmu Komputer, Universitas Brawijaya
Others Reference By Similarity To Ideal
Solution.” JST (Jurnal Sains dan
Teknologi) 5 (2): 746
–60.
-
undiksha.v5i2.8549.
Khoirunnisa, Azka, dan Nur Ghaniaviyanto
Ramadhan. 2023. “Improving malaria
prediction with ensemble learning and
robust scaler: An integrated approach for
enhanced accuracy.” Jurnal Infotel 15 (4):
–34.
https://doi.org/10.20895/infotel.v15i4.105
KKP WEB DJPB. 2021. “KKP : BUDIDAYA
IKAN HIAS TINGKATKAN
PENDAPATAN MASYARAKAT DI
TENGAH PANDEMI.” Kementrian
Kelautan dan Perikanan Republik
Indonesia. 2021.
-detail/kkp
-
budidaya
-ikan
-hias
-tingkatkan
-
pendapatan
-masyarakat
-di
-tengah
-
pandemi65c300b322d1c.html.
Lee, Yong Jick. 2014. “Privacy
-preserving Data
Mining for Personalized Marketing” 4 (1): 1–9.
Muhammad Fajar, Alith. 2015. “Klasterisasi
Proses Seleksi Pemain Menggunakan
Algoritma
K-Means (Study Kasus : Tim
Hockey Kabupaten Kendal).” Jurusan
Teknik Informatika FIK UDINUS 1 (1): 1
–
http://eprints.dinus.ac.id/id/eprint/16498.
Rahmawati, Dian, Rimadewi Suprihardjo, Eko
Budi Santoso, Rulli P Setiawan, Karina
Pradinie, dan Mochamad Yusuf. 2016.
“Penerapan Metode Rootcause Analysis
(RCA) dalam Penerapan Metode
Rootcause Analysis (RCA) dalam
Pengembangan Kawasan Wisata Cagar
Budaya Kampung Kemasan, Gresik.”
Jurnal Penataan Ruang 11 (1): 1
–9.
Rousseeuw, Peter J. 1987. “Silhouettes: A
graphical aid to the interpretation and
validation of cluster analysis.” Journal of
Computational and Applied Mathematics
: 53
–65.
https://doi.org/https://doi.org/10.1016/037 7-0427(87)90125-7.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.